第Ⅳ篇 非线性模型与相关专题 473
第15章 二值响应模型 473
15.1 简介 473
15.2 二值响应的线性概率模型 474
15.3 二值响应的指标模型：Probit与Logit 476
15.4 二值响应指标模型的极大似然估计 479
15.5 二值响应指标模型检验 480
15.5.1 多重排除约束检验 480
15.5.2 关于β的非线性假设检验 481
15.5.3 针对更一般备择假设的检验 482
15.6 Probit与Logit的结果报告 484
15.7 二值响应模型的设定问题 491
15.7.1 可忽略的异质性 491
15.7.2 连续内生解释变量 493
15.7.3 二值内生解释变量 500
15.7.4 潜变量模型的异方差性与非正态性 505
15.7.5 在更弱假设下的估计 509
15.8 面板数据的二值响应模型 512
15.8.1 混合的probit与logit 513
15.8.2 严格外生性下不可观测效应的probit模型 514
15.8.3 严格外生性下不可观测效应的logit模型 521
15.8.4 动态不可观测效应模型 526
15.8.5 含异质性与内生解释变量的probit模型 531
15.8.6 半参数方法 532
习题 535
第16章 多项响应与有序响应模型 541
16.1 简介 541
16.2 多项响应模型 542
16.2.1 多项logit 542
16.2.2 概率选择模型 544
16.2.3 内生解释变量 549
16.2.4 面板数据方法 550
16.3 有序响应模型 552
16.3.1 有序logit与有序probit 552
16.3.2 有序模型中的设定问题 554
16.3.3 内生解释变量 556
16.3.4 面板数据方法 558
习题 559
第17章 角点解响应 562
17.1 动机和例子 562
17.2 第1类Tobit回归的有用表达式 565
17.3 第1类Tobit模型的估计和推断 569
17.4 结果报告 571
17.5 Tobit模型中的设定问题 573
17.5.1 可忽略的异质性 573
17.5.2 内生解释变量 574
17.5.3 潜变量模型中的异方差性与非正态性 578
17.5.4 更弱假设下的参数估计 579
17.6 两部模型和角点解的第Ⅱ类Tobit回归 581
17.6.1 断尾正态栅栏模型 583
17.6.2 对数正态栅栏模型和指数条件均值 585
17.6.3 指数的第Ⅱ类Tobit模型 587
17.7 双限Tobit模型 593
17.8 面板数据方法 594
17.8.1 混合方法 594
17.8.2 严格外生性下的不可观测效应模型 596
17.8.3 动态不可观测效应Tobit模型 601
习题 602
第18章 计数响应、分数响应及其他非负响应 609
18.1 简介 609
18.2 泊松回归 610
18.2.1 用于泊松回归及所关注的量的假设 610
18.2.2 泊松QMLE的一致性 612
18.2.3 泊松QMLE的渐近正态性 613
18.2.4 假设检验 617
18.2.5 设定检验 618
18.3 其他计数数据回归模型 620
18.3.1 负二项回归模型 620
18.3.2 二项回归模型 622
18.4 伽玛（指数）回归模型 623
18.5 指数回归函数中的内生性 625
18.6 分数响应 630
18.6.1 外生解释变量 630
18.6.2 内生解释变量 634
18.7 面板数据方法 636
18.7.1 混合QMLE 636
18.7.2 对含不可观测效应的条件期望设定模型 638
18.7.3 随机效应方法 639
18.7.4 固定效应泊松估计 642
18.7.5 放松严格外生性假设 644
18.7.6 面板数据的分数响应模型 645
习题 647
第19章 截取数据、样本选择及损耗 654
19.1 简介 654
19.2 数据截取 655
19.2.1 二值截取 656
19.2.2 区间加密 659
19.2.3 上部截取和下部截取 660
19.3 样本选择概述 664
19.4 样本选择何时可被忽略？ 666
19.4.1 线性模型：利用OLS与2SLS的估计 666
19.4.2 非线性模型 671
19.5 以响应变量为基础的选择：断尾回归 672
19.6 从属断尾：一个probit选择方程 674
19.6.1 外生解释变量 674
19.6.2 内生解释变量 680
19.6.3 含有样本选择的二值响应模型 684
19.6.4 一个指数响应函数 685
19.7 从属断尾：一个Tobit选择方程 685
19.7.1 外生解释变量 685
19.7.2 内生解释变量 687
19.7.3 估计含有样本选择的结构Tobit方程 689
19.8 缺失数据的逆概率加权 690
19.9 线性面板数据的样本选择与损耗 696
19.9.1 含有非平衡面板数据的固定和随机效应估计 696
19.9.2 对样本选择偏误的检验与校正 700
19.9.3 损耗 703
习题 710
第20章 分层抽样与整群抽样 715
20.1 简介 715
20.2 分层抽样 716
20.2.1 标准分层抽样与可变概率抽样 716
20.2.2 用加权估计量解释分层 718
20.2.3 基于外生变量的分层 721
20.3 整群抽样 723
20.3.1 关于整群数量多且整群规模小的推断 724
20.3.2 含单元特有面板数据的整群样本 734
20.3.3 对于大的组规模，我们应当应用整群—稳健的推断吗？ 739
20.3.4 整群数量少时的推断 741
20.4 复杂的调查抽样 748
习题 752
第21章 估计平均处理效应 755
21.1 简介 755
21.2 反事实设置与自选择问题 756
21.3 假设处理的可忽略性（或无混性）的方法 760
21.3.1 识别 762
21.3.2 回归调整 765
21.3.3 倾向得分方法 770
21.3.4 使回归调整和倾向得分加权相结合 777
21.3.5 匹配方法 780
21.4 工具变量方法 783
21.4.1 利用IV估计平均处理效应 783
21.4.2 校正和控制函数法 789
21.4.3 利用IV估计局部平均处理效应 794
21.5 断点回归设计 797
21.5.1 清晰断点回归设计 797
21.5.2 模糊断点回归设计 800
21.5.3 与模糊断点回归相对比的无混性 801
21.6 进一步探讨的问题 802
21.6.1 关于含离散性或取值范围有限响应的特殊考虑 802
21.6.2 多值处理 803
21.6.3 多重处理 805
21.6.4 面板数据 808
习题 814
第22章 期限分析 820
22.1 简介 820
22.2 风险函数 821
22.2.1 不带协变量的风险函数 821
22.2.2 以非时变协变量为条件的风险函数 824
22.2.3 以时变协变量为条件的风险函数 826
22.3 含有非时变协变量的单个时段数据分析 827
22.3.1 流量抽样 828
22.3.2 使用截取流量数据的极大似然估计 829
22.3.3 存量抽样 834
22.3.4 不可观测异质性 837
22.4 分组期限数据分析 843
22.4.1 非时变协变量 844
22.4.2 时变协变量 846
22.4.3 不可观测异质性 848
22.5 进一步探讨的问题 849
22.5.1 比例风险模型的考克斯偏似然方法 849
22.5.2 多重时段数据 849
22.5.3 互竞风险模型 850
习题 850
译后记 854
第二版译后记 857